“2014-1-20 summary-team”版本间的差异
来自cslt Wiki
(以内容“2014-1-20--------总结----------------- 我根据大家的wiki staus总结了我们目前做的几个方向及状态,其中只包括大家在这几个方...”创建新页面) |
|||
第34行: | 第34行: | ||
状态:完成,已经将Nbest提供给谭彻;最后的效果达到7.8%(wer) | 状态:完成,已经将Nbest提供给谭彻;最后的效果达到7.8%(wer) | ||
− | + | 五 学习 | |
− | 1. | + | 1. 最大似然估计和EM算法学习==小白 |
状态:大家已明白,感谢小白 | 状态:大家已明白,感谢小白 | ||
− | 2. | + | 2. Improving word representations via global context and multiple word prototypes==富合 |
状态:还有需要解决的问题,一词多向量的具体公式和训练。感谢富合 | 状态:还有需要解决的问题,一词多向量的具体公式和训练。感谢富合 | ||
− | 3.sena 中的词向量在NLP的应用 ==晓曦 | + | 3. sena 中的词向量在NLP的应用 ==晓曦 |
状态:已经明白,感谢晓曦 | 状态:已经明白,感谢晓曦 | ||
总结: | 总结: | ||
1. 感谢大家这么辛苦的工作,使得我们的进度很快,同时大家也共同学习到了很多知识,感谢大家和王老师。 | 1. 感谢大家这么辛苦的工作,使得我们的进度很快,同时大家也共同学习到了很多知识,感谢大家和王老师。 | ||
− | + | 2. 上次开会时,王老师给我们了一些方向和建议。我整理了一下: | |
2.1 训练词向量的方法整理。由于目前大家做了一些的训练工作,大家整理自己相关的方法(论文),发给小白,给大家整理一下。其中, | 2.1 训练词向量的方法整理。由于目前大家做了一些的训练工作,大家整理自己相关的方法(论文),发给小白,给大家整理一下。其中, | ||
googleword2vec由赵芳,梦圆和刘荣整理; | googleword2vec由赵芳,梦圆和刘荣整理; | ||
第52行: | 第52行: | ||
Sena==晓曦 | Sena==晓曦 | ||
当然很有很多,大家看到就收集一下,我们一块学习。感谢小白。 | 当然很有很多,大家看到就收集一下,我们一块学习。感谢小白。 | ||
− | + | 2.2 基于词向量的分词算法探究==晓曦 | |
其中,有一篇中文论文或许对你有帮助:”基于表示学习的中文分词算法探索“,在共享空间-公开/paper/word2vec application | 其中,有一篇中文论文或许对你有帮助:”基于表示学习的中文分词算法探索“,在共享空间-公开/paper/word2vec application | ||
− | + | 2.3 word2vec的测试平台(基于sena)==晓曦 | |
测试我们目前已经训练的中文词向量的效果,感谢晓曦。 | 测试我们目前已经训练的中文词向量的效果,感谢晓曦。 | ||
− | + | 以上是上周五的一些方向,也是我们的基础。当然中文词向量的训练,我们也要继续。晓曦的任务比较多,辛苦了。 | |
部分同志这周就要回家了,不过我们还是要努力把目前的工作弄完,在年前有个好的基础。同时,大家回家一路顺风。 | 部分同志这周就要回家了,不过我们还是要努力把目前的工作弄完,在年前有个好的基础。同时,大家回家一路顺风。 | ||
致谢! | 致谢! | ||
刘荣 | 刘荣 |
2014年2月6日 (四) 03:10的版本
2014-1-20--------总结-----------------
我根据大家的wiki staus总结了我们目前做的几个方向及状态,其中只包括大家在这几个方向上的工作,其它的未列出。 这份总结仅供 王老师和我们查看整个组的进度,这样大家可以互相学习,共同进步。有什么遗漏或者错误的地方,欢迎大家指出。
一 word2vec train
1. Google wor2vec 已经训练完词和字的向量 ==梦圆 语料:人民日报4.0 分词:20w+scw 状态: 完成 2. Huang 增强语义的词向量训练==富合 语料:人民日报4.0 分词: 20w+scw 状态:数据准备,今晚可训练 3. C&W-Tuian 词向量训练 ==梦圆 语料:人民日报4.0 分词:20w+scw 状态:代码整理中,正在安装相应的库 4. cslm(NNLM)字的ngram==刘荣 语料:500M from QA-Corpus 参数:9-ngram+12134字+p258h384 状态:已经完成,准备测试Nbest
二 word2vec application
1. SENA ==晓曦 状态:已经熟悉Sena Toolkit
三 QA-book
1. 基于FST的模板匹配==赵芳 状态:已经完成相应的文献查阅,进行算法设计和构图中。
四 n-gram
1. QA-Music 的语言模型构建==学升 语言模型:增加2000歌手和5000歌曲+150M音乐问题语料 状态:完成,已经将Nbest提供给谭彻;最后的效果达到7.8%(wer)
五 学习
1. 最大似然估计和EM算法学习==小白 状态:大家已明白,感谢小白 2. Improving word representations via global context and multiple word prototypes==富合 状态:还有需要解决的问题,一词多向量的具体公式和训练。感谢富合 3. sena 中的词向量在NLP的应用 ==晓曦 状态:已经明白,感谢晓曦
总结:
1. 感谢大家这么辛苦的工作,使得我们的进度很快,同时大家也共同学习到了很多知识,感谢大家和王老师。 2. 上次开会时,王老师给我们了一些方向和建议。我整理了一下: 2.1 训练词向量的方法整理。由于目前大家做了一些的训练工作,大家整理自己相关的方法(论文),发给小白,给大家整理一下。其中, googleword2vec由赵芳,梦圆和刘荣整理; cslm(NNLM) 刘荣 Huang==富合 C&W-Tuian==梦圆 Sena==晓曦 当然很有很多,大家看到就收集一下,我们一块学习。感谢小白。 2.2 基于词向量的分词算法探究==晓曦 其中,有一篇中文论文或许对你有帮助:”基于表示学习的中文分词算法探索“,在共享空间-公开/paper/word2vec application 2.3 word2vec的测试平台(基于sena)==晓曦 测试我们目前已经训练的中文词向量的效果,感谢晓曦。 以上是上周五的一些方向,也是我们的基础。当然中文词向量的训练,我们也要继续。晓曦的任务比较多,辛苦了。 部分同志这周就要回家了,不过我们还是要努力把目前的工作弄完,在年前有个好的基础。同时,大家回家一路顺风。 致谢! 刘荣